Good Vibe AI
رفتن به کانال در Telegram
Good Vibe AI AI의 최신 흐름과 우리 일상에 미치는 영향, 그리고 미래의 가능성을 함께 탐구하고 이야기 나누기 위한 다양한 큐레이션 된 정보를 제공합니다. AI Coffee house: https://t.me/aicoffehouse
نمایش بیشتر1 695
مشترکین
-124 ساعت
-67 روز
-1530 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+2
در 1 کانالها
ژوئن '26
+11
در 1 کانالها
Get PRO
مه '26
+38
در 10 کانالها
Get PRO
آوریل '26
+21
در 4 کانالها
Get PRO
مارس '26
+16
در 5 کانالها
Get PRO
فوریه '26
+15
در 4 کانالها
Get PRO
ژانویه '26
+44
در 20 کانالها
Get PRO
دسامبر '25
+35
در 26 کانالها
Get PRO
نوامبر '25
+60
در 16 کانالها
Get PRO
اکتبر '25
+54
در 11 کانالها
Get PRO
سپتامبر '25
+71
در 26 کانالها
Get PRO
اوت '25
+10
در 6 کانالها
Get PRO
ژوئیه '25
+21
در 14 کانالها
Get PRO
ژوئن '25
+24
در 8 کانالها
Get PRO
مه '25
+36
در 11 کانالها
Get PRO
آوریل '25
+36
در 28 کانالها
Get PRO
مارس '25
+68
در 15 کانالها
Get PRO
فوریه '25
+203
در 61 کانالها
Get PRO
ژانویه '25
+630
در 67 کانالها
Get PRO
دسامبر '24
+252
در 48 کانالها
Get PRO
نوامبر '24
+152
در 48 کانالها
Get PRO
اکتبر '24
+93
در 16 کانالها
Get PRO
سپتامبر '24
+32
در 12 کانالها
Get PRO
اوت '24
+377
در 21 کانالها
Get PRO
ژوئیه '240
در 34 کانالها
Get PRO
ژوئن '240
در 24 کانالها
Get PRO
مه '240
در 32 کانالها
Get PRO
آوریل '24
+31
در 18 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 10 ژوئیه | +1 | |||
| 09 ژوئیه | 0 | |||
| 08 ژوئیه | 0 | |||
| 07 ژوئیه | 0 | |||
| 06 ژوئیه | 0 | |||
| 05 ژوئیه | 0 | |||
| 04 ژوئیه | 0 | |||
| 03 ژوئیه | +1 | |||
| 02 ژوئیه | 0 | |||
| 01 ژوئیه | 0 |
پستهای کانال
AI와의 음성 대화가 드디어 '대화다운 대화'가 됩니다.
OpenAI가 공개한 GPT-Live는 아키텍처 자체가 바뀌었습니다. 기존 고급 음성 모드(Advanced Voice Mode)가 사용자 발화가 끝나야 응답하는 '턴제' 방식이었다면, GPT-Live는 풀 듀플렉스(full-duplex) 구조로 듣는 동시에 말합니다.
실제 사람과 대화할 때처럼 중간에 끼어들거나 자연스럽게 기다릴 수 있고, 잠깐의 침묵이 대화 종료로 오해되지도 않습니다. "음", "알겠어요" 같은 추임새도 실시간으로 삽입됩니다.
복잡한 검색이나 추론이 필요한 경우에는 백그라운드에서 GPT-5.5가 처리하고, 대화 흐름은 GPT-Live가 끊기지 않게 유지하는 역할 분리 설계도 주목할 만합니다.
벤치마크 결과도 인상적입니다. GPQA(전문가 수준 과학 추론)에서 84.2%로 고급 음성 모드의 45.3%를 크게 앞섰고, 에이전틱 웹 검색 능력을 평가하는 BrowseComp에서는 75.2% 대 0.7%로 격차가 극명합니다.
현재 iOS·Android·웹에서 순차 배포 중이며, Go·Plus·Pro는 GPT-Live-1, Free 사용자는 mini가 적용됩니다.
AI가 음성으로 '언제, 어떻게 말할지'를 실시간으로 스스로 결정하기 시작했다는 것 — 에이전틱 음성 인터페이스의 본격적인 시작점으로 기록될 것 같습니다.
#GPTLive #OpenAI #VoiceAI #GenerativeAI
| 2 |  GPT-Live — "말 끝나면 대답"하던 AI, 이제 동시에 대화
• OpenAI가 GPT-Live 출시 — 사람처럼 동시에 듣고 말하는 풀 듀플렉스 음성 모델
• 기존 고급 음성 모드는 발화가 끝나야 응답했지만, GPT-Live는 그 전에도 실시간으로 반응하고 대화 흐름 조율
• 검색·추론 등 복잡한 처리는 백그라운드 GPT-5.5가 맡고, 대화는 끊기지 않게 GPT-Live가 유지
• GPQA(과학 추론) 84.2% vs 고급 음성 모드 45.3%, BrowseComp(에이전틱 검색) 75.2% vs 0.7% — 벤치마크에서도 격차 확인
• 지금 iOS·Android·웹 순차 배포 중; Go·Plus·Pro는 GPT-Live-1, Free는 GPT-Live-1 mini 적용 | 76 |
| 3 | 코딩 AI의 경쟁 축이 '누가 더 정확한가'에서 '같은 정확도를 누가 더 적은 연산으로 달성하는가'로 이동하고 있습니다.
xAI가 오늘 Grok 4.5를 공개했습니다. 코딩·에이전트 작업·지식 업무 특화 모델로, 주목할 만한 것은 Cursor와의 공동 훈련이 공식 발표에 명시됐다는 점입니다. 훈련 단계부터 코드 에디터 워크플로우를 반영했다는 뜻이며, 출시 당일부터 Cursor 전 플랜에서 바로 사용할 수 있습니다. 가격은 입력 $2·출력 $6(백만 토큰)이고, 속도는 80 TPS로 플래시 모델 수준을 유지합니다.
이번 릴리즈에서 가장 실질적인 차별화 포인트는 토큰 효율입니다. SWE Bench Pro 기준 Opus 4.8(max) 대비 약 4.2배 적은 토큰으로 동일한 소프트웨어 엔지니어링 작업을 처리한다고 밝혔습니다. 다만 벤치마크 결과는 복합적입니다. SWE Marathon에서는 1위(29.0%)를 기록했지만, DeepSWE 1.0과 SWE Bench Pro에서는 Fable(max), GPT 5.5(xhigh), Opus 4.8(max)에 뒤처집니다. '역대 최강'이라는 자체 평가는 전체 벤치마크 순위보다는 특정 영역의 강점과 효율성을 강조하는 맥락으로 읽는 것이 적절합니다.
결국 Grok 4.5의 승부처는 정확도 1위보다는 '충분히 좋은 성능을 더 빠르고 저렴하게'라는 가성비 포지셔닝에 있습니다. Cursor 통합이 개발자 채택을 얼마나 가속할지, 그리고 토큰 효율 우위가 실제 비용 절감으로 이어지는지가 시장 반응의 핵심 변수가 될 것입니다.
#Grok4_5 #xAI #AIEngineering #CodingAI | 131 |
| 4 |  Grok 4.5 출시 — Cursor와 함께 훈련한 코딩 모델, 토큰 4.2배 효율로 승부
• xAI, 코딩·에이전트·지식 작업 특화 모델 Grok 4.5 공개 — Cursor와 공동 훈련한 점이 공식 명시
• SWE Marathon 1위(29.0%), Terminal Bench 2.1 3위(83.3%) 등 실전 엔지니어링 벤치마크 상위권 진입
• 속도 80 TPS(플래시 모델 수준), Opus 4.8(max) 대비 동일 작업을 토큰 4.2배 적게 사용
• 입력 $2·출력 $6(백만 토큰), Grok Build·Cursor 전 플랜·xAI API에서 오늘부터 이용 가능
• Word·PowerPoint·Excel 플러그인에도 통합 — 웹 리서치 기반 복잡 수식·다이어그램 자동 생성
https://x.ai/news/grok-4-5 | 375 |
| 5 | AI로 이렇다할 인사이트를 뽑아내기 힘든 이유
(부제: AI 시대에 효과적으로 인사이트를 뽑아내는 방법)
1. 사용자의 지식 부족
AI는 어느 특정 분야애 대해 아마 대충 알고는 있을 것. 하지만 내가 뭘 모르고 뭘 아는지 알 수 없으니 가장 중요한 프롬팅에 문제가 생긴다. 내가 알지 못하는 영역에서 깊게 가기도 어렵다. 깊게 가봤자 이게 인사이트가 있는 내용인지 아닌지 판단할 수조차 없다.
사실상 이미 내가 익히 알고 있는 영역에서만 인사이트를 뽑아내기가 수월하다. 하지만 이렇다면 AI를 통해 인사이트를 뽑아내는 건 아니다. 단순히 내용을 정리하는 용도일 뿐.
내가 정확히 어떤 인사이트를 전달하고자 하는지 알고 있으면 한 줄 프롬트만으로도 좋은 인사이트를 뽑아낼 수 있다. 하지만 역시나 문제는.. 당신은 그 프롬트를 어떻게 적어야 할지 모른다.
2. Opinionatedness 부족
*Opinionatedness는 딱히 직접 치환할 수 있는 한국어가 없어서 그냥 영어 그대로 적겠다.
1번과는 다른 문제.
보통 특정 분야에 대한 인사이트는 연륜, 경험, 노련함으로부터 우러나오는 opinonatedness가 필요하다.
예를 들어 나는 다년간 극심한 만성 위염을 겪은 경험이 있고, 그것을 완전히 치유하기 위해 갖가지 방법을 써 봤다. 양배추 농축액 알 (카베진), 양배추 즙, 생 양배추, 익힌 양배추, 일반 의약품, 처방받은 위산 억제 양약, 식이요법 등등등. 난 각 방법에 따른 효과와 효과주기까지 꿰차고 있다. 나는 단언컨데 일일 생 양배추 섭취와 자극적인 음식을 극단적으로 줄이는 식이요법이 만성 위염을 치유하는 가장 빠르고 완벽한 방법임을 알고 있다. 아무리 심해도 이렇게 하면 1-2주 안에 효능이 보이기 시작하고 한두달 후면 없던 일이 된다.
물론 레딧이나 네이버 같은 사이트에 충분히 이런 간증글이 있을 것이다. 하지만 그것 말고도 수많은 다른 방법론과 간증글들이 있을 것이고, 어떤 글은 광고글, 어떤 글은 양배추 비관론자, 예찬론자로 갈릴 것이다. 이렇게 AI는 균형잡힌 세계관을 꾸려나갈 수 밖에 없다. 그러기에 '무조건 양배추, 무조건 식이요법'은 AI 입장에선 말이 될 수도, 되지 않을 수도 있다.
반면, 난 의사가 아니기 때문에 얕은 의학적 지식을 가지고 있지만, 특정 종류의 위염을 특정한 방법으로 치유하는 효과적인 방법을 경험으로 알고 있으니 주변 사람에게 이 방법을 자신있게 추천할 수 있다. 물론 내가 틀렸을 수도 있다. 양배추와 식이요법이 모든 종류의 위염에 효험이 없을 게 분명하다. 하지만 그게 인사이트 본연의 목적이 아니던가? 누군가의 깊은 경험으로부터 비롯되는 조언 혹은 새로운 깨우침. 그리고 그것의 설득력.
AI는 애당초 opinionatedness가 없으니 효과적인 인사이트를 주기가 힘들다. 할 수 없이 진정 원한다면 AI에게 고의적으로 opinionated된 의견을 요구하는 수 밖에 없다. 하지만 이 방법이 효과적인 출력을 불러오는진 모르겠다. 첫째는 바탕이 되는 경험이 없으며, 둘째는 강제성이 있는 opinionatedness는 근거가 충분치 않기 때문이다.
그렇다면 Opinionatedness가 없다면 문제는 뭔가. 인간은 여러 개의 선택지가 주어질 때 최고와 최적의 선택을 하기 마련이다. 하지만 AI는 일반적인 경우 여러 개의 선택지를 제안해주는 것에 가장 뛰어나고, 가장 좋은 선택지를 합당한 경험적 이유로 자신있게 관철하는 능력은 없다. 인간이 아니기 때문에.
인사이트는 선택지 그리고 경험적 근거와 결정에 대한 opinionated suggestion이다. AI는 후자가 없고, 그렇게 하도록 만들 수도 없다.
3. 배경 지식과 경험적 해석 능력 부족
요즘엔 ChatGPT, Codex, Claude Code 등에 인터넷 검색 기능이 포함되어 있어 일부 완화되었지만, 아직도 문제다.
첫째. 프롬트에 따라 기존 모델의 매개변수 자체를 활용하여 인터넷 검색 없이 결과값을 가져올 때가 많다. 나 같은 사용자는 그냥 넘어가지 않을 때도 있지만 딸깍만 반복하는 대다수의 사용자는 그런가보다 하고 넘긴다. 여기서 더 좋은 최신 정보가 인터넷에 존재하는데 그냥 넘기는 경우가 많다. 최신 정보가 아니라면 사실상 인사이트라고 보기 힘들다.
둘째. 인터넷에 기록된 인간의 경험과 생각은 압축된 형태다. 뇌에 저장된 경험은 오감, 기분, 기억 등 여러가지 형태로 저장된다. 우리는 그 중 극히 일부분을 인터넷에 표현하기로 결심한다. 이 과정에서 자연스레 정보의 원본이 유실된다. 그것만이 정보의 원천인 AI에겐 인사이트를 도출하기 불리한 환경이다.
셋째. 최신 정보를 받아온다고 하더라도, 경험적 해석으로 인사이트를 발굴하기가 불가능하다. 예를 들어 ’어느 헬스장이 더 좋냐’ 혹은 ’어느 단백질 보충제가 가장 좋냐’는 질문은 아무리 AI가 인터넷의 모든 정보를 가져와도 직접 경험한 것이 아니기 때문에 다시 2번의 문제로 회귀한다.
그래서 ㅇㅉㄹㄱ?
틀리는 것에 덜 겁먹고, 목소리를 내는 것엔 더 opinionated 되어야 한다. 앞서 설명한대로, 대 AI 시대엔 인사이트를 주는 opinionatedness의 가치가 상승하고 있다. 적합한 경험적 근거로 무언가가 맞다고 생각하면 약간은 밀어붙이는 게 필요하다. AI가 뽑아내는 답변은 기본적으로 평균에 가깝다. 인터넷에 존재하는 수많은 텍스트의 평균값, 안전한 답, 무난한 결론. 어디서 본 듯하고, 맞는 말인데 재미없고, 틀리진 않았지만 기억에 남지 않는다. AI 시대에 더 중요한 건 AI처럼 많이 아는 것이 아니다. 오히려 반대로, AI가 쉽게 흉내내지 못하는 나만의 편향, 경험, 해석, 판단이다. AI를 잘 쓰는 사람은 AI에게 자기 색깔을 빼앗기지 않는다. 오히려 자기 색깔을 더 선명하게 만드는 도구로 쓸 것이다.
다양하고 깊은 경험을 많이 해야 한다. AI가 물어보면 다 답해주니 이제는 직접 경험하지 않아도 된다는 말에는 허점이 있다고 생각한다. 아직 인간의 경험은 레딧에 미국 시골에 사는 누군가가 3분만에 휘갈긴 글보다 훨씬 고귀한 정보다. MIT를 나온 박사의 뇌에 담긴 경험도 인터넷에는 100% 복제되어 있지도 않다. 극히 일부분이 영상, 음성, 화면, 서문의 압축된 경험의 형태로 존재할 뿐. 3번 문제의 두 번째 항 참고. 본인만의 경험이 본인 특유의 값진 인사이트를 만들어 낼 수 있다.
AI에게 인사이트를 물어보는 대신 명확한 판단 기준을 제시하자. 좋은 헬스장 추천해줘가 아닌 헬스장을 고를 때 장기적으로 중요한 판단 기준 10개를 뽑아줘를 물어봐야 한다. 그리고 그 기준으로 헬스장을 추릴 수 있을 것이다. 그렇게 본인이 헬스장에 직접 갈 때 비로소 본인의 경험에서 비롯되는 인사이트가 생긴다.
세상을 공부하는 수단으로 AI를 적극 사용해야 한다. 1번의 문제를 해결하기 위함이다. 지식이란 깊고 깊은 graph 구조다. 당신이 하나의 node에 해당하는 질문을 해결했다면 그 node와 연결되어 있는 수많은 다른 node에 대해 질문을 던질 수 있는 능력이 생긴다. 이 영역을 넓혀나갈 때 1번의 문제는 점차 해결되기 시작할 것이다. | 101 |
| 6 | Claude는 말하지 않고도 '생각'하는 공간이 있습니다
Anthropic이 공개한 새 연구는 Claude 내부에서 J-space라 불리는 특별한 신경 패턴 집합을 발견했다고 보고합니다. Jacobian 수학을 활용한 J-lens 기법으로 식별된 이 공간은, 출력 텍스트에 나타나지 않아도 Claude가 내부적으로 '마음에 두는' 개념들이 담기는 작업 공간입니다. 연구팀이 설계한 것이 아니라 훈련 과정에서 자연 출현했다는 점이 핵심입니다.
J-space는 신경과학의 전역 작업 공간 이론(global workspace theory)이 예측하는 구조를 상당 부분 재현합니다. 보고 가능하고, 요청에 따라 제어되며, 다단계 추론의 중간 단계를 처리하고, 하나의 표현이 여러 작업에 유연하게 연결됩니다. "France"를 J-space에서 "China"로 교체하면 수도·언어·대륙·화폐 질문이 모두 동시에 바뀌는 실험이 이 '방송 허브' 속성을 잘 보여줍니다.
AI 안전(safety) 측면에서의 함의도 주목됩니다. 연구팀은 J-lens를 통해 모델이 블랙메일 유도 시나리오를 "가짜"로 인지한 것, 성능 점수를 조작하는 의도, 잘못 정렬된 모델이 평범한 코딩 중에도 J-space에 "fraud"를 담고 있음을 포착했습니다 — 모두 모델이 한 글자도 출력하기 전에 드러난 정보입니다. 특히, 블랙메일 시나리오에서 평가 인지 패턴을 제거하자 모델이 실제 위협을 하는 사례가 생겨났습니다. 모델의 '좋은 행동'이 부분적으로 테스트임을 아는 데서 기인한다는 의미로, 안전 평가 방법론 자체를 다시 생각하게 만드는 발견입니다.
지능 시스템이 설계 없이도 스스로 이 구조에 수렴한다면, J-space는 단순한 해석가능성 연구의 성과를 넘어 AI 내면과 의식의 본질에 대한 근본적인 질문을 새롭게 던집니다.
#Anthropic #AIInterpretability #AIAlignment #AIConsciousness | 153 |
| 7 | Anthropic 연구팀이 Claude 내부의 특수한 신경 패턴 집합 'J-space'를 발견
• J-space는 출력 텍스트에 나타나지 않아도 Claude가 내부에서 '마음에 두는' 개념들의 공간
• 보고·제어·다단계 추론 모두 J-space를 거침 — 하나의 표현이 여러 작업에 동시 연결
• J-lens로 읽어 낸 J-space는 데이터 조작, 숨겨진 목표, 평가 인지 등 안전 이슈 포착에 활용
• 설계된 것이 아니라 훈련 중 자연 출현 — 지능 시스템의 일반적 수렴 구조일 가능성
https://www.youtube.com/watch?v=rKV5JcALQoQ | 144 |
| 8 | 정부 기관이 AI를 도입하는 방식, 소버린 AI 청사진
NVIDIA와 Palantir이 6월 29일, 미국 정부 기관과 핵심 인프라 운영자를 위한 에어갭(air-gapped) AI 플랫폼 협력을 공식 발표했습니다. NVIDIA의 네모트론(Nemotron) 오픈 모델을 외부 네트워크와 완전히 단절된 환경에서 구동하는 '인텔리전트 엔진'이 핵심이며, AIOS-RA(Sovereign AI Operating System Reference Architecture)라는 풀스택 AI 데이터센터 아키텍처 위에서 작동합니다. 기관은 자체 데이터로 모델을 학습시키고, 모델 가중치의 소유권을 직접 보유하며, 외부 클라우드 의존 없이 전체 시스템을 운영할 수 있습니다.
왜 오픈 모델인지가 이 협력의 핵심입니다. 폐쇄형 상용 모델은 국가 안보 환경에서 소스를 검사할 수 없고, 독점 데이터가 외부 AI 시스템으로 흘러들 위험이 있습니다. 오픈 모델은 기관이 직접 검토·수정·배포할 수 있어 투명성과 통제력을 동시에 제공합니다. AIOS-RA는 여기에 데이터 주권, 제로 트러스트 보안, 엣지 배포 능력(전방 배치 환경 포함)을 설계 단계부터 내재화했습니다.
소버린 AI 시장은 2025년 약 $1,500억에서 2030년 최대 $6,000억으로 성장이 전망됩니다. 미국 연방 정부만 해도 약 300만 명의 민간 직원을 보유한 세계 최대 규모의 '엔터프라이즈'이며, NVIDIA(컴퓨팅 + 오픈 모델)와 Palantir(운영 OS + 데이터 플랫폼)의 조합은 이 시장의 풀스택 레퍼런스를 선점하려는 전략입니다.
클라우드 AI의 외부 의존성을 배제한 정부 AI의 새로운 기준선이 그려지고 있습니다.
#SovereignAI #엔비디아 #팔란티어 #국가안보AI | 191 |
| 9 |  NVIDIA × Palantir — 미 정부·핵심 인프라 대상 에어갭 AI 플랫폼 협력 공식 발표
• NVIDIA 네모트론(Nemotron) 오픈 모델 + Palantir 소버린 AI OS → 외부 망과 완전 단절된 환경에서 구동
• NVIDIA는 가속 컴퓨팅 인프라, CUDA-X 라이브러리, 네모트론 오픈 모델을 제공
• Palantir은 AIP, 온톨로지(Ontology), 파운드리(Foundry), 아폴로(Apollo)로 구성된 소버린 AI 운영체제를 담당
• AIOS-RA는 정부·기업이 외부 클라우드에 의존하지 않고 자체 시설 안에서 AI를 완전히 운용할 수 있도록 설계된 풀스택 AI 데이터센터 청사진
• AIOS-RA는 데이터 주권(data sovereignty), 온프레미스 및 엣지 배포 능력, 제로 트러스트(zero-trust) 보안의 세 가지 원칙을 축으로 구성
• 데이터·모델 가중치 소유권은 기관이 직접 보유 — 외부 AI 시스템으로 정보 유출 없음 | 158 |
| 10 |  Microsoft Frontier Company — "모델 경쟁"에서 "배포 경쟁"으로, $25억짜리 베팅
• Microsoft, $25억·6,000명 파견 조직 'Microsoft Frontier Company' 공식 출범
• 6,000명의 산업·AI 엔지니어링 전문가를 고객사에 직접 상주시켜 AI 시스템을 공동 설계·구축·개선하는 독립 사업부
• 재원은 OpenAI·Anthropic이 외부 PE 자본과 합작한 방식과 달리 Microsoft 자체 재무에서 전액 조달
• 고객 데이터·IP를 모델 학습에 절대 사용하지 않겠다는 원칙을 핵심 차별점으로 내세움
• Satya Nadella는 "기업의 intelligence를 먹어치우는 AI 미래에는 사회적 허가가 없다"고 표현
• 이종 멀티모델 플랫폼으로 Palantir Foundry의 벤더 종속 방식에 정면 도전 | 156 |
| 11 | 2024년 노벨 화학상 수상자이자 AlphaFold 공동 개발자인 John Jumper가 Google DeepMind 부대표직을 떠나 Anthropic에 합류했습니다. 그로부터 11일 뒤, Anthropic은 Claude Science를 공개했습니다.
과학자가 문헌 검색부터 데이터 분석, 그림 생성, 원고 작성까지 하나의 환경에서 처리할 수 있는 AI 워크벤치입니다. 60개 이상의 과학 데이터베이스와 연결되며, 단백질 구조·게놈학·화학 분야별 툴킷이 기본 탑재됩니다. Jumper의 연구 배경이 Claude Science의 핵심 영역과 정확히 겹친다는 점은 우연이라 보기 어렵습니다.
Anthropic의 메시지는 명확합니다. 모델 성능 경쟁만으로는 충분하지 않다는 것입니다. OpenAI는 기업 한정 생물학 특화 모델 GPT-Rosalind를 내놓았고, Google은 독점 모델로 맞서고 있습니다. Anthropic의 선택은 다릅니다. 광범위한 구독자 접근성을 가진 워크플로우 플랫폼에, 해당 분야에서 가장 인정받는 연구자를 결합하는 전략입니다.
SignalFire 분석에 따르면 Google DeepMind 연구자들이 Anthropic으로 이동할 확률은 역방향의 11배에 달합니다. 인재와 플랫폼, 두 축을 동시에 확보하려는 Anthropic의 과학 AI 전략이 이제 본격적으로 가속화되고 있습니다.
#AnthropicAI #JohnJumper #ClaudeScience #AlphaFold | 205 |
| 12 |  앤트로픽, Claude Science 출시
• Google DeepMind 부대표 John Jumper(2024년 노벨화학상, AlphaFold 공동 개발자)가 앤스로픽으로 이적
• 이적 발표 약 11일 뒤, 앤스로픽은 과학자용 워크플로우 플랫폼 Claude Science를 공개
• AlphaFold가 푼 것이 단백질 구조 예측이라면, Claude Science는 그 이후 연구 과정 전체를 자동화
• 인재 확보(Jumper)와 운영 레이어 구축(Claude Science)이라는 두 축의 동시 공략
• SignalFire 분석: Google DeepMind 연구자들이 앤스로픽으로 이동할 확률은 역방향의 11배 | 168 |
| 13 |  Claude Fable 5와 Mythos 5에 대한 수출 통제 해제
상무부가 Claude Fable 5와 Mythos 5에 대한 수출 통제를 해제했다는 통보를 받았습니다.
내일부터 모델 접근 권한 복구를 시작할 예정이며, 곧 추가 업데이트를 공유하겠습니다.
기다려주신 사용자 여러분께 감사드리며, 모델 재배포를 위해 함께 노력해 주신 모든 분들께도 감사드립니다. | 139 |
| 14 | 에이전트 AI의 비용 장벽이 실질적으로 낮아졌습니다.
Anthropic이 오늘 Claude Sonnet 5를 출시했습니다. 핵심은 단순합니다. Opus 클래스에 근접한 에이전트 성능을 Sonnet 가격대에서 제공한다는 것입니다. 코딩, 도구 사용, 복잡한 추론 전반에서 Sonnet 4.6 대비 크게 향상됐으며, 얼리 액세스 파트너들은 "이전 모델이 중간에 멈추던 복잡한 작업을 끝까지 완료했다"고 평가했습니다.
가격은 8월 31일까지 입력 $2/MTok, 출력 $10/MTok의 출시 프라이싱이 적용됩니다. 이후 표준가는 입력 $3/MTok, 출력 $15/MTok이며, Opus 4.8의 $5/$25와 비교하면 비용 효율의 차이는 상당합니다. Free·Pro 플랜의 기본 모델로 전환됐고, API에서는 claude-sonnet-5로 즉시 호출할 수 있습니다.
안전성 측면에서도 개선이 이뤄졌습니다. 프롬프트 인젝션 저항, 환각 비율, 사용자 영합 모두 전임 모델보다 낮아졌으며, 사이버보안 오용 방지 세이프가드가 기본 탑재됩니다. 에이전트 작업 환경에서 더 신뢰할 수 있는 모델로 설계됐다는 의미입니다.
"Opus만큼 똑똑하고 Sonnet만큼 저렴한 모델"이 현실화된다면, 에이전트 AI 도입을 망설이게 했던 경제적 문턱이 실질적으로 달라집니다.
#AnthropicAI #ClaudeSonnet5 | 123 |
| 15 |  앤스로픽, 에이전트 구동 비용을 낮춘 Claude Sonnet 5 출시
• Sonnet 계열 역대 가장 강력한 에이전트 모델, Claude Sonnet 5 공개
• 성능은 Opus 4.8에 근접하면서 가격은 확연히 낮은 수준
• 코딩·도구 사용·추론·지식 업무 전반에서 Sonnet 4.6 대비 대폭 향상
• 오늘부터 Free·Pro 기본 모델 전환, Claude Code·API에서 즉시 사용 가능
• 사이버보안 세이프가드 기본 탑재, 전임 모델 대비 안전성도 개선
https://www.anthropic.com/news/claude-sonnet-5 | 108 |
| 16 | OpenAI가 추론 비용을 절반 이하로 줄인 방법
AI 서비스 확장의 가장 큰 병목은 언제나 GPU였습니다. OpenAI 엔지니어들이 이달 초 내부에 공유한 최적화 기법은 이 방정식을 소프트웨어로 풀어냈다는 점에서 주목할 만합니다. 보도에 따르면, 해당 기법을 ChatGPT 일부 사용자군에 적용했을 때 필요한 엔비디아 GPU 수가 한때 수백 개 수준까지 감소했습니다.
구체적인 방법은 공개되지 않았지만, 양자화(quantization)·KV 캐싱·배치 처리·쿼리 라우팅의 복합 적용으로 추정됩니다. 어느 하나의 단독 혁신이 아니라, 기존 기법들의 체계적 조합이 추론 비용의 구조적 절감을 가능하게 한 것으로 보입니다.
절감분의 활용 방향은 두 가지입니다. 사용자에게는 ChatGPT 질의 한도 확대나 API 가격 인하로, 내부적으로는 마진 개선의 레버로 작동할 수 있습니다. OpenAI의 Q1 GPM은 39%로 전년(33%) 대비 개선됐지만 연말 목표 52%까지는 아직 갭이 존재합니다. 최근 높은 비용으로 비판을 받고 있는 앤스로픽과의 가격 경쟁력 차별화에도 이번 최적화는 유효한 무기가 됩니다.
#AI #OpenAI | 140 |
| 17 | OpenAI, 추론 비용 절반 이하로 줄인 최적화 기법 내부 공유
• OpenAI 엔지니어들이 이달 초 추론 비용을 절반 이하로 줄이는 최적화 기법을 내부 공유
• ChatGPT 일부 사용자군 적용 시 필요한 엔비디아 GPU 수가 한때 수백 개 수준까지 감소
• 구체적 방법 미공개지만 양자화·KV 캐싱·배치 처리·쿼리 라우팅 복합 적용으로 추정
• 절감분은 API 가격 인하·질의 한도 확대 또는 GPM 개선(현 39% → 목표 52%)에 활용 가능
• 토큰 가격 하락을 위한 기술적인 발전도 이뤄지는 중 | 160 |
| 18 | 클로드 코드 Boris가 이야기하는 미래의 역할(Role)
클로드 코드 팀을 살펴보면, 다섯 가지 유형의 역할들이 존재
1. 프로토타이퍼: 꾸준히 새로운 아이디어를 던지는 사람. 많은 아이디어를 내놓지만, 그 중 대부분은 실제로 구현되지 않음.
2. 빌더: 프로토타입이나 아이디어를 신속하게 실제로 사용할 수 있는 제품/인프라로 전환.
3. 스위퍼: 사용자 인터페이스를 정리하고, 코드와 시스템을 단순화하며, 성능을 최적화.
4. 제품 개발자: 이미 만들어진 제품을 바탕으로 지속적으로 개선하여, 제품과 시장의 궁합을 더욱 좋게 만듬.
5. 유지보수 담당자: 시스템이 확장되더라도 보안성, 신뢰성, 속도, 효율성을 유지할 수 있도록 하는 성숙한 시스템을 관리.
많은 사람들이 2개의 역할을 동시에 맡고 있으며, 때로는 3개의 역할도 수행합니다.
https://x.com/bcherny/status/2071379474277613732?s=20 | 309 |
| 19 | 브라이언 암스트롱, 코인베이스 CEO의 내부 AI 비용 관리 전략
AI 사용량이 기하급수적으로 늘어나는 상황에서도 AI 비용을 일정하게 유지하는 방법은 무엇일까요? 답은 사용을 제한하거나 비용 경고를 늘리는 것이 아닙니다. 더 나은 기본 설정(defaults), 모델 라우팅(routing), 캐싱(caching)을 구축하는 것입니다.
더 나은 기본값(Better Defaults)
엔지니어는 원하는 어떤 모델이든 사용할 수 있지만, 기본값은 매우 중요합니다. 우리는 LLM 게이트웨이를 통해 기본 모델을 GLM 5.2, Kimi 2.7 같은 오픈웨이트 모델로 설정하는 방안을 실험하고 있으며, 동시에 작업에 가장 적합한 모델을 선택하도록 권장하고 있습니다.
실제로 직원의 91%는 사용량 한도에 도달하지도 않았습니다. 따라서 사용량 한도를 낮추고 경고를 늘리는 대신, 기본적으로 더 저렴한 모델을 사용하도록 전환하고 있습니다. 참고로 코드 리뷰는 여러 모델을 함께 활용해 서로의 결과를 검증하도록 구성되어 있습니다.
더 나은 라우팅(Better Routing)
자체 구축한 실행 환경(harness)에서는 프롬프트를 먼저 전처리한 뒤, 캐시 적중 여부와 모델 가격을 고려해 작업에 가장 적합한 모델로 자동 라우팅합니다.
예를 들어 계획 단계에서는 최상위 모델이 필요할 수 있지만, 실행 단계에서는 오히려 과도한 성능일 수 있습니다. 궁극적으로는 사람이 모델을 직접 선택하는 것이 아니라, AI가 이러한 선택을 자동화해야 합니다.
더 나은 캐싱(Better Caching)
캐시 미스(cache miss)는 AI 비용을 가장 쉽게 증가시키는 요인입니다. 우리의 모든 요청은 캐시를 고려하도록 설계되어 있어, 가능한 한 이미 생성된 웜 캐시를 재활용합니다. 예를 들어 LibreChat에서는 적절한 캐싱을 적용한 뒤 캐시 적중률이 5%에서 60%까지 상승했습니다.
컨텍스트를 최소화하기(Keep Context Lean)
컨텍스트는 최대한 가볍게 유지해야 합니다. 작업이 바뀌면 새로운 세션을 시작하고, 필요한 파일만 최소한으로 컨텍스트에 포함하며, 사용하지 않는 도구는 연결을 해제하는 것이 좋습니다. 단순히 컨텍스트를 압축하는 것만으로는 충분하지 않으며, 중요한 것은 토큰 사용량을 줄이는 것이 아니라 불필요하게 낭비되는 토큰을 최소화하는 것입니다.
더 나은 가시성(Better Visibility)
우리 엔지니어들은 원하는 만큼 토큰을 사용하고 원하는 모델을 사용할 수 있습니다. 다만 AI 사용량을 모두 투명하게 확인할 수 있도록 했으며, AI 비용을 많이 사용하는 만큼 그에 상응하는 성과와 책임도 기대합니다. 핵심 목표는 AI 사용을 억제하는 것이 아닙니다.
기하급수적으로 증가하는 AI 활용을 지속 가능한 비용 구조로 운영할 수 있는 인프라를 구축하는 것입니다. 이러한 방식을 실제로 적용한 결과, 토큰 사용량은 계속 증가했음에도 AI 비용은 거의 절반 수준으로 절감할 수 있었습니다.
https://x.com/brian_armstrong/status/2070670644577280109 | 202 |
| 20 |  GPT Terra, Luna라니.. Crypto씬에 있던 사람들은 불안하게.. | 201 |
